- شرح :
D4RL یک معیار منبع باز برای یادگیری تقویتی آفلاین است. این محیط ها و مجموعه داده های استاندارد شده را برای آموزش و الگوریتم های محک ارائه می کند.
مجموعه داده ها از فرمت RLDS پیروی می کنند تا مراحل و قسمت ها را نشان دهند.
توضیحات پیکربندی : جزئیات بیشتر در مورد کار و نسخه های آن را در https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit ببینید
صفحه اصلی : https://sites.google.com/view/d4rl-anonymous
نسخه ها :
-
1.0.0
: انتشار اولیه. -
1.1.0
(پیش فرض): اضافه شده is_last.
-
کلیدهای نظارت شده (به
as_supervised
doc مراجعه کنید):None
شکل ( tfds.show_examples ): پشتیبانی نمی شود.
نقل قول :
@misc{fu2020d4rl,
title={D4RL: Datasets for Deep Data-Driven Reinforcement Learning},
author={Justin Fu and Aviral Kumar and Ofir Nachum and George Tucker and Sergey Levine},
year={2020},
eprint={2004.07219},
archivePrefix={arXiv},
primaryClass={cs.LG}
}
d4rl_adroit_hammer/v0-human (پیکربندی پیش فرض)
حجم دانلود :
5.33 MiB
حجم مجموعه داده :
6.10 MiB
ذخیره خودکار ( اسناد ): بله
تقسیم ها :
شکاف | مثال ها |
---|---|
'train' | 70 |
- ساختار ویژگی :
FeaturesDict({
'steps': Dataset({
'action': Tensor(shape=(26,), dtype=float32),
'discount': float32,
'infos': FeaturesDict({
'qpos': Tensor(shape=(33,), dtype=float32),
'qvel': Tensor(shape=(33,), dtype=float32),
}),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(46,), dtype=float32),
'reward': float32,
}),
})
- مستندات ویژگی :
ویژگی | کلاس | شکل | نوع D | شرح |
---|---|---|---|---|
FeaturesDict | ||||
مراحل | مجموعه داده | |||
مراحل/عمل | تانسور | (26،) | float32 | |
مراحل/تخفیف | تانسور | float32 | ||
مراحل/اطلاعات | FeaturesDict | |||
Steps/infos/qpos | تانسور | (33،) | float32 | |
Steps/infos/qvel | تانسور | (33،) | float32 | |
Steps/is_first | تانسور | بوول | ||
Steps/is_last | تانسور | بوول | ||
Steps/is_terminal | تانسور | بوول | ||
مراحل / مشاهده | تانسور | (46،) | float32 | |
مراحل/پاداش | تانسور | float32 |
- مثالها ( tfds.as_dataframe ):
d4rl_adroit_hammer/v0-cloned
حجم دانلود :
644.69 MiB
حجم مجموعه داده :
538.97 MiB
ذخیره خودکار ( اسناد ): خیر
تقسیم ها :
شکاف | مثال ها |
---|---|
'train' | 5,594 |
- ساختار ویژگی :
FeaturesDict({
'steps': Dataset({
'action': Tensor(shape=(26,), dtype=float32),
'discount': float64,
'infos': FeaturesDict({
'qpos': Tensor(shape=(33,), dtype=float64),
'qvel': Tensor(shape=(33,), dtype=float64),
}),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(46,), dtype=float64),
'reward': float64,
}),
})
- مستندات ویژگی :
ویژگی | کلاس | شکل | نوع D | شرح |
---|---|---|---|---|
FeaturesDict | ||||
مراحل | مجموعه داده | |||
مراحل/عمل | تانسور | (26،) | float32 | |
مراحل/تخفیف | تانسور | float64 | ||
مراحل/اطلاعات | FeaturesDict | |||
Steps/infos/qpos | تانسور | (33،) | float64 | |
Steps/infos/qvel | تانسور | (33،) | float64 | |
Steps/is_first | تانسور | بوول | ||
Steps/is_last | تانسور | بوول | ||
Steps/is_terminal | تانسور | بوول | ||
مراحل / مشاهده | تانسور | (46،) | float64 | |
مراحل/پاداش | تانسور | float64 |
- مثالها ( tfds.as_dataframe ):
d4rl_adroit_hammer/v0-expert
حجم دانلود :
529.91 MiB
حجم مجموعه داده :
737.00 MiB
ذخیره خودکار ( اسناد ): خیر
تقسیم ها :
شکاف | مثال ها |
---|---|
'train' | 5000 |
- ساختار ویژگی :
FeaturesDict({
'steps': Dataset({
'action': Tensor(shape=(26,), dtype=float32),
'discount': float32,
'infos': FeaturesDict({
'action_logstd': Tensor(shape=(26,), dtype=float32),
'action_mean': Tensor(shape=(26,), dtype=float32),
'qpos': Tensor(shape=(33,), dtype=float32),
'qvel': Tensor(shape=(33,), dtype=float32),
}),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(46,), dtype=float32),
'reward': float32,
}),
})
- مستندات ویژگی :
ویژگی | کلاس | شکل | نوع D | شرح |
---|---|---|---|---|
FeaturesDict | ||||
مراحل | مجموعه داده | |||
مراحل/عمل | تانسور | (26،) | float32 | |
مراحل/تخفیف | تانسور | float32 | ||
مراحل/اطلاعات | FeaturesDict | |||
Steps/infos/action_logstd | تانسور | (26،) | float32 | |
Steps/infos/action_mean | تانسور | (26،) | float32 | |
Steps/infos/qpos | تانسور | (33،) | float32 | |
Steps/infos/qvel | تانسور | (33،) | float32 | |
Steps/is_first | تانسور | بوول | ||
Steps/is_last | تانسور | بوول | ||
Steps/is_terminal | تانسور | بوول | ||
مراحل / مشاهده | تانسور | (46،) | float32 | |
مراحل/پاداش | تانسور | float32 |
- مثالها ( tfds.as_dataframe ):
d4rl_adroit_hammer/v1-human
حجم دانلود :
5.35 MiB
حجم مجموعه داده :
6.34 MiB
ذخیره خودکار ( اسناد ): بله
تقسیم ها :
شکاف | مثال ها |
---|---|
'train' | 25 |
- ساختار ویژگی :
FeaturesDict({
'steps': Dataset({
'action': Tensor(shape=(26,), dtype=float32),
'discount': float32,
'infos': FeaturesDict({
'board_pos': Tensor(shape=(3,), dtype=float32),
'qpos': Tensor(shape=(33,), dtype=float32),
'qvel': Tensor(shape=(33,), dtype=float32),
'target_pos': Tensor(shape=(3,), dtype=float32),
}),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(46,), dtype=float32),
'reward': float32,
}),
})
- مستندات ویژگی :
ویژگی | کلاس | شکل | نوع D | شرح |
---|---|---|---|---|
FeaturesDict | ||||
مراحل | مجموعه داده | |||
مراحل/عمل | تانسور | (26،) | float32 | |
مراحل/تخفیف | تانسور | float32 | ||
مراحل/اطلاعات | FeaturesDict | |||
Steps/infos/board_pos | تانسور | (3،) | float32 | |
Steps/infos/qpos | تانسور | (33،) | float32 | |
Steps/infos/qvel | تانسور | (33،) | float32 | |
Steps/infos/target_pos | تانسور | (3،) | float32 | |
Steps/is_first | تانسور | بوول | ||
Steps/is_last | تانسور | بوول | ||
Steps/is_terminal | تانسور | بوول | ||
مراحل / مشاهده | تانسور | (46،) | float32 | |
مراحل/پاداش | تانسور | float32 |
- مثالها ( tfds.as_dataframe ):
d4rl_adroit_hammer/v1-cloned
حجم دانلود :
425.93 MiB
حجم مجموعه داده :
1.68 GiB
ذخیره خودکار ( اسناد ): خیر
تقسیمات :
شکاف | مثال ها |
---|---|
'train' | 3,606 |
- ساختار ویژگی :
FeaturesDict({
'algorithm': string,
'policy': FeaturesDict({
'fc0': FeaturesDict({
'bias': Tensor(shape=(256,), dtype=float32),
'weight': Tensor(shape=(46, 256), dtype=float32),
}),
'fc1': FeaturesDict({
'bias': Tensor(shape=(256,), dtype=float32),
'weight': Tensor(shape=(256, 256), dtype=float32),
}),
'last_fc': FeaturesDict({
'bias': Tensor(shape=(26,), dtype=float32),
'weight': Tensor(shape=(256, 26), dtype=float32),
}),
'nonlinearity': string,
'output_distribution': string,
}),
'steps': Dataset({
'action': Tensor(shape=(26,), dtype=float32),
'discount': float32,
'infos': FeaturesDict({
'board_pos': Tensor(shape=(3,), dtype=float32),
'qpos': Tensor(shape=(33,), dtype=float32),
'qvel': Tensor(shape=(33,), dtype=float32),
'target_pos': Tensor(shape=(3,), dtype=float32),
}),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(46,), dtype=float32),
'reward': float32,
}),
})
- مستندات ویژگی :
ویژگی | کلاس | شکل | نوع D | شرح |
---|---|---|---|---|
FeaturesDict | ||||
الگوریتم | تانسور | رشته | ||
خط مشی | FeaturesDict | |||
Policy/fc0 | FeaturesDict | |||
Policy/fc0/bias | تانسور | (256،) | float32 | |
سیاست/fc0/وزن | تانسور | (46، 256) | float32 | |
Policy/fc1 | FeaturesDict | |||
Policy/fc1/bias | تانسور | (256،) | float32 | |
سیاست/fc1/وزن | تانسور | (256، 256) | float32 | |
Policy/last_fc | FeaturesDict | |||
Policy/last_fc/bias | تانسور | (26،) | float32 | |
Policy/last_fc/weight | تانسور | (256، 26) | float32 | |
سیاست/غیرخطی | تانسور | رشته | ||
سیاست/خروجی_توزیع | تانسور | رشته | ||
مراحل | مجموعه داده | |||
مراحل/عمل | تانسور | (26،) | float32 | |
مراحل/تخفیف | تانسور | float32 | ||
مراحل/اطلاعات | FeaturesDict | |||
Steps/infos/board_pos | تانسور | (3،) | float32 | |
Steps/infos/qpos | تانسور | (33،) | float32 | |
Steps/infos/qvel | تانسور | (33،) | float32 | |
Steps/infos/target_pos | تانسور | (3،) | float32 | |
Steps/is_first | تانسور | بوول | ||
Steps/is_last | تانسور | بوول | ||
Steps/is_terminal | تانسور | بوول | ||
مراحل / مشاهده | تانسور | (46،) | float32 | |
مراحل/پاداش | تانسور | float32 |
- مثالها ( tfds.as_dataframe ):
d4rl_adroit_hammer/v1-expert
حجم دانلود :
531.24 MiB
حجم مجموعه داده :
843.54 MiB
ذخیره خودکار ( اسناد ): خیر
تقسیم ها :
شکاف | مثال ها |
---|---|
'train' | 5000 |
- ساختار ویژگی :
FeaturesDict({
'algorithm': string,
'policy': FeaturesDict({
'fc0': FeaturesDict({
'bias': Tensor(shape=(32,), dtype=float32),
'weight': Tensor(shape=(32, 46), dtype=float32),
}),
'fc1': FeaturesDict({
'bias': Tensor(shape=(32,), dtype=float32),
'weight': Tensor(shape=(32, 32), dtype=float32),
}),
'last_fc': FeaturesDict({
'bias': Tensor(shape=(26,), dtype=float32),
'weight': Tensor(shape=(26, 32), dtype=float32),
}),
'last_fc_log_std': FeaturesDict({
'bias': Tensor(shape=(26,), dtype=float32),
'weight': Tensor(shape=(26, 32), dtype=float32),
}),
'nonlinearity': string,
'output_distribution': string,
}),
'steps': Dataset({
'action': Tensor(shape=(26,), dtype=float32),
'discount': float32,
'infos': FeaturesDict({
'action_log_std': Tensor(shape=(26,), dtype=float32),
'action_mean': Tensor(shape=(26,), dtype=float32),
'board_pos': Tensor(shape=(3,), dtype=float32),
'qpos': Tensor(shape=(33,), dtype=float32),
'qvel': Tensor(shape=(33,), dtype=float32),
'target_pos': Tensor(shape=(3,), dtype=float32),
}),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(46,), dtype=float32),
'reward': float32,
}),
})
- مستندات ویژگی :
ویژگی | کلاس | شکل | نوع D | شرح |
---|---|---|---|---|
FeaturesDict | ||||
الگوریتم | تانسور | رشته | ||
خط مشی | FeaturesDict | |||
Policy/fc0 | FeaturesDict | |||
Policy/fc0/bias | تانسور | (32،) | float32 | |
سیاست/fc0/وزن | تانسور | (32، 46) | float32 | |
Policy/fc1 | FeaturesDict | |||
Policy/fc1/bias | تانسور | (32،) | float32 | |
سیاست/fc1/وزن | تانسور | (32، 32) | float32 | |
Policy/last_fc | FeaturesDict | |||
Policy/last_fc/bias | تانسور | (26،) | float32 | |
Policy/last_fc/weight | تانسور | (26، 32) | float32 | |
Policy/last_fc_log_std | FeaturesDict | |||
Policy/last_fc_log_std/bias | تانسور | (26،) | float32 | |
Policy/last_fc_log_std/weight | تانسور | (26، 32) | float32 | |
سیاست/غیرخطی | تانسور | رشته | ||
سیاست/خروجی_توزیع | تانسور | رشته | ||
مراحل | مجموعه داده | |||
مراحل/عمل | تانسور | (26،) | float32 | |
مراحل/تخفیف | تانسور | float32 | ||
مراحل/اطلاعات | FeaturesDict | |||
Steps/infos/action_log_std | تانسور | (26،) | float32 | |
Steps/infos/action_mean | تانسور | (26،) | float32 | |
Steps/infos/board_pos | تانسور | (3،) | float32 | |
Steps/infos/qpos | تانسور | (33،) | float32 | |
Steps/infos/qvel | تانسور | (33،) | float32 | |
Steps/infos/target_pos | تانسور | (3،) | float32 | |
Steps/is_first | تانسور | بوول | ||
Steps/is_last | تانسور | بوول | ||
Steps/is_terminal | تانسور | بوول | ||
مراحل / مشاهده | تانسور | (46،) | float32 | |
مراحل/پاداش | تانسور | float32 |
- مثالها ( tfds.as_dataframe ):